■ 張蕾 姚葉青 丁國香 張曼義

設(shè)計(jì)開發(fā)基于多普勒天氣雷達(dá)資料和改進(jìn)光流法的安徽省強(qiáng)對流天氣短時(shí)臨近預(yù)警服務(wù)系統(tǒng)，并已在合肥鐵路貨運(yùn)氣象服務(wù)中投入業(yè)務(wù)運(yùn)行。該系統(tǒng)實(shí)現(xiàn)了0～1 h的雷達(dá)回波外推和雷暴大風(fēng)外推預(yù)報(bào)產(chǎn)品的實(shí)時(shí)生成，提供雷達(dá)回波外推和雷暴大風(fēng)外推預(yù)報(bào)產(chǎn)品以及大風(fēng)實(shí)況的展示功能，并制定了強(qiáng)對流天氣預(yù)警方案和預(yù)警短信靶向發(fā)布策略，實(shí)現(xiàn)強(qiáng)對流天氣預(yù)警短信自動(dòng)發(fā)布功能。

強(qiáng)對流天氣對交通運(yùn)輸、電力、旅游等行業(yè)具有重大影響。在安徽省的強(qiáng)對流天氣中，雷暴大風(fēng)出現(xiàn)頻率最高，也最易漏報(bào)，是重要的災(zāi)害性天氣之一，每年都會(huì)造成較大的經(jīng)濟(jì)損失和人員傷亡，因此針對強(qiáng)對流天氣尤其是雷暴大風(fēng)天氣建立短時(shí)臨近預(yù)報(bào)預(yù)警服務(wù)具有重要意義。

目前國內(nèi)外建立了許多強(qiáng)對流天氣短時(shí)臨近預(yù)報(bào)技術(shù)和業(yè)務(wù)系統(tǒng)，美國國家大氣科學(xué)研究中心（NCAR）發(fā)展了ANC（Auto Nowcaster）臨近預(yù)報(bào)系統(tǒng)，進(jìn)行0～2 h臨近預(yù)報(bào)；英國的GANDOLF（Generating Advanced Nowcasts for Deployment in Operational Landsurface Flood Forcasts）預(yù)報(bào)系統(tǒng)融合雷達(dá)外推預(yù)報(bào)與中尺度模式預(yù)報(bào)，提供0～6 h預(yù)報(bào)。張小玲等總結(jié)了中國強(qiáng)對流天氣預(yù)報(bào)業(yè)務(wù)發(fā)展歷程，指出我國的強(qiáng)對流臨近預(yù)警技術(shù)主要依賴以雷達(dá)回波為主的外推預(yù)報(bào)技術(shù)。中國氣象局2007年底開始大力建設(shè)強(qiáng)對流天氣臨近預(yù)報(bào)業(yè)務(wù)系統(tǒng)SWAN（Severe Weather Automatic Nowcast System），目前3.0版本已正式向全國推廣試用。王嘯華等介紹了江蘇省強(qiáng)天氣綜合報(bào)警追蹤平臺（SWATCH）功能，平臺整合了PUP、SWAN等業(yè)務(wù)系統(tǒng)中風(fēng)暴識別和外推相關(guān)的核心產(chǎn)品。

強(qiáng)對流天氣短時(shí)臨近預(yù)報(bào)預(yù)警在專業(yè)氣象服務(wù)中的需求也越來越被重視，美國The Weather Company的TWC平臺集成衛(wèi)星、雷達(dá)、數(shù)值模式、閃電等數(shù)據(jù)，整合用戶和行業(yè)數(shù)據(jù)，為用戶提供任意地點(diǎn)的最新預(yù)報(bào)數(shù)據(jù)。AccuWeather的MinuteCast?系統(tǒng)融合雷達(dá)和高分辨率的天氣數(shù)據(jù)，利用專利技術(shù)對未來2 h做出逐分鐘的降水預(yù)報(bào)。李帥等將多普勒氣象雷達(dá)三維拼圖技術(shù)融合河南電網(wǎng)GIS，實(shí)現(xiàn)覆蓋河南電網(wǎng)的0～2 h強(qiáng)對流天氣預(yù)警。張濤設(shè)計(jì)了航空氣象服務(wù)系統(tǒng)，實(shí)現(xiàn)對自動(dòng)氣象觀測系統(tǒng)、多普勒天氣雷達(dá)系統(tǒng)、航空氣象報(bào)文、衛(wèi)星云圖等不同產(chǎn)品資料的采集、處理、集成和顯示。薛冰等將雷達(dá)回波外推技術(shù)應(yīng)用到鐵路交通氣象服務(wù)中。馮蕾等初步探索了鐵路橫風(fēng)監(jiān)測預(yù)報(bào)的技術(shù)方法。

本文基于專業(yè)氣象服務(wù)中對雷暴大風(fēng)預(yù)報(bào)產(chǎn)品的需求，研發(fā)了雷暴大風(fēng)外推預(yù)報(bào)關(guān)鍵技術(shù)，制訂了強(qiáng)對流天氣預(yù)警信息靶向發(fā)布策略，建設(shè)了安徽省強(qiáng)對流天氣短時(shí)臨近預(yù)警服務(wù)系統(tǒng)。目前該系統(tǒng)已在合肥鐵路貨運(yùn)氣象服務(wù)中投入業(yè)務(wù)運(yùn)行，為鐵路貨運(yùn)氣象保障提供有力的技術(shù)支撐。

1 系統(tǒng)設(shè)計(jì)與開發(fā)

安徽省強(qiáng)對流天氣短時(shí)臨近預(yù)警服務(wù)系統(tǒng)總體采用C/S、B/S混合架構(gòu)，基于WebGIS技術(shù)、多線程技術(shù)、數(shù)據(jù)庫等技術(shù)實(shí)現(xiàn)了強(qiáng)對流天氣尤其是雷暴大風(fēng)天氣預(yù)報(bào)產(chǎn)品展示以及自動(dòng)預(yù)警功能。

1.1 系統(tǒng)結(jié)構(gòu)

系統(tǒng)設(shè)計(jì)了數(shù)據(jù)層、業(yè)務(wù)邏輯層和Web表現(xiàn)層三層邏輯框架。數(shù)據(jù)層是系統(tǒng)的底層，負(fù)責(zé)系統(tǒng)所需數(shù)據(jù)的存儲，為整個(gè)系統(tǒng)提供數(shù)據(jù)源保障，主要功能包括從全國綜合氣象信息共享平臺（CIMISS）獲取大風(fēng)實(shí)況數(shù)據(jù)、從服務(wù)器獲取雷達(dá)拼圖數(shù)據(jù)以及從mysql獲取歷史大風(fēng)警報(bào)信息，系統(tǒng)采用云存儲技術(shù)對多源異構(gòu)數(shù)據(jù)進(jìn)行集中化管理，統(tǒng)一為外部服務(wù)使用，無需考慮數(shù)據(jù)源。業(yè)務(wù)邏輯層作為數(shù)據(jù)層與應(yīng)用層之間的橋梁，主要實(shí)現(xiàn)數(shù)據(jù)的分析處理，該層通過獨(dú)立的后臺數(shù)據(jù)支撐系統(tǒng)開發(fā)完成，主要功能包括雷達(dá)拼圖和大風(fēng)數(shù)據(jù)讀取、數(shù)據(jù)質(zhì)量控制、雷達(dá)拼圖外推以及雷暴大風(fēng)外推預(yù)報(bào)算法實(shí)現(xiàn)。Web表現(xiàn)層是系統(tǒng)框架頂層，主要通過瀏覽器與用戶進(jìn)行交互，利用Python、JavaScript、WebGIS、ASP.NET、Node.js信息推送技術(shù)等實(shí)現(xiàn)雷達(dá)回波、雷暴大風(fēng)等氣象要素的展示、強(qiáng)對流天氣的監(jiān)控和預(yù)警信息推送等功能，系統(tǒng)主要架構(gòu)如圖1所示。

圖1 安徽省強(qiáng)對流天氣短時(shí)臨近預(yù)警服務(wù)系統(tǒng)架構(gòu)圖

1.2 系統(tǒng)主要功能

系統(tǒng)分為前臺綜合展示系統(tǒng)和后臺數(shù)據(jù)支撐系統(tǒng)兩大部分，前臺綜合展示系統(tǒng)采用B/S架構(gòu)，并利用ASP.NET技術(shù)完成Web系統(tǒng)的開發(fā)；后臺數(shù)據(jù)支撐系統(tǒng)采用C/S架構(gòu)開發(fā)完成，并利用VS 2012（MFC）進(jìn)行客戶端界面開發(fā)，系統(tǒng)將后臺數(shù)據(jù)支撐系統(tǒng)獨(dú)立出來便于數(shù)據(jù)運(yùn)算處理以及預(yù)報(bào)產(chǎn)品的升級更新。

系統(tǒng)主要包括數(shù)據(jù)處理、氣象要素展示、配置管理和預(yù)警發(fā)布4大功能模塊。

1）數(shù)據(jù)處理模塊：通過后臺數(shù)據(jù)支撐系統(tǒng)處理完成，實(shí)現(xiàn)0～1 h雷達(dá)回波外推和雷暴大風(fēng)外推產(chǎn)品的實(shí)時(shí)生成。模塊還提供數(shù)據(jù)異常監(jiān)控功能，實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)及時(shí)性和準(zhǔn)確性，保障前臺綜合展示系統(tǒng)穩(wěn)定運(yùn)行。

2）氣象要素展示模塊：實(shí)現(xiàn)雷達(dá)回波外推預(yù)報(bào)產(chǎn)品、雷暴大風(fēng)外推預(yù)報(bào)產(chǎn)品以及大風(fēng)實(shí)況數(shù)據(jù)實(shí)時(shí)查詢和展示，可實(shí)時(shí)掌握天氣過程的發(fā)展演變趨勢，輔助判斷強(qiáng)對流天氣的發(fā)生和影響。另外系統(tǒng)還提供歷史數(shù)據(jù)查詢功能，便于對歷史天氣的回顧總結(jié)以及評分檢驗(yàn)。

3）配置管理模塊：從強(qiáng)對流天氣報(bào)警閾值設(shè)置和短信發(fā)送群組配置兩個(gè)方面配置預(yù)警信息發(fā)布條件，實(shí)現(xiàn)可定制化的預(yù)警短信發(fā)布。強(qiáng)對流天氣報(bào)警閾值設(shè)置主要對雷達(dá)回波、大風(fēng)外推預(yù)報(bào)和大風(fēng)實(shí)況報(bào)警閾值等進(jìn)行配置，短信發(fā)送群組配置可配置關(guān)注的目標(biāo)點(diǎn)信息并與通訊錄關(guān)聯(lián)，向定制用戶發(fā)送關(guān)注目標(biāo)點(diǎn)預(yù)警信息。

4）預(yù)警發(fā)布模塊：預(yù)警發(fā)布主要從系統(tǒng)報(bào)警聲音提示和預(yù)警短信發(fā)布兩方面設(shè)計(jì)。當(dāng)氣象要素值達(dá)到設(shè)置的報(bào)警閾值，系統(tǒng)列出警報(bào)信息并發(fā)出聲音提示，同時(shí)觸發(fā)報(bào)警短信并發(fā)送相關(guān)人員。

2 關(guān)鍵方法研究

2.1 雷達(dá)回波外推方法

雷達(dá)回波外推方法基于安徽省雷達(dá)組合反射率因子拼圖實(shí)現(xiàn)，系統(tǒng)采用計(jì)算簡便且預(yù)報(bào)效果較好的光流法來計(jì)算相鄰時(shí)次雷達(dá)回波圖像間運(yùn)動(dòng)矢量，再通過線性外推方案外推0～1 h雷達(dá)回波圖像。雷達(dá)回波外推預(yù)報(bào)產(chǎn)品時(shí)間分辨率為6 min，空間分辨率為0.01°，預(yù)報(bào)時(shí)效為1 h。

光流法在1950年由Gibson首先提出，是計(jì)算機(jī)視覺領(lǐng)域應(yīng)用較為廣泛的方法，目前在氣象學(xué)領(lǐng)域也有一定的應(yīng)用。光流法假設(shè)回波運(yùn)動(dòng)在短時(shí)間內(nèi)滿足拉格朗日守恒方程，并引入其他的約束方程來求解光流場。假設(shè)在t時(shí)刻（x，y）處雷達(dá)反射率因子值為I（x，y，z），經(jīng)過dt時(shí)刻該點(diǎn)的反射率因子值變?yōu)镮（x＋dx，y＋dy，z＋dz），當(dāng)時(shí)，認(rèn)為I值近似不變，即：

假設(shè)移動(dòng)足夠小，將（1）式右邊按泰勒級數(shù)展開，略去二階無窮小項(xiàng)，可導(dǎo)出：

式中：表示回波在x、y方向上的運(yùn)動(dòng)速度。令表示I的時(shí)間、空間梯度。則上式可表示為：

上式中有兩個(gè)未知數(shù)，因此需要引入其他約束方程來求解。系統(tǒng)采用Lucas和Kanade提出的約束方程即LK算法求解回波移速。

基于光流法假設(shè)條件，該方法只適用于回波間運(yùn)動(dòng)較小的情況，對移速較快的回波反演誤差較大，因此引入金字塔分層技術(shù)改進(jìn)傳統(tǒng)光流法，減小由于回波移速較快造成的反演誤差，提高外推預(yù)報(bào)精度。

試驗(yàn)發(fā)現(xiàn)，隨著外推時(shí)間步長的增加，外推得到的回波逐漸變得散亂不連續(xù)，因此對光流場進(jìn)行水平無輻散處理，得到新的光流場，用新的光流場外推得到的雷達(dá)回波圖像平滑性和連續(xù)性都較好。

2.2 雷暴大風(fēng)外推預(yù)報(bào)方法

雷暴大風(fēng)外推預(yù)報(bào)方法基于安徽省高密度分鐘級雷暴大風(fēng)實(shí)時(shí)監(jiān)測數(shù)據(jù)，采用雷暴大風(fēng)與雷達(dá)回波的動(dòng)態(tài)匹配策略，識別可能出現(xiàn)雷暴大風(fēng)的風(fēng)暴單體，再通過光流法得到風(fēng)暴單體的移動(dòng)方向和速度，外推得到未來1 h可能產(chǎn)生雷暴大風(fēng)的區(qū)域。雷暴大風(fēng)外推預(yù)報(bào)產(chǎn)品時(shí)間分辨率為6 min，空間分辨率為0.01 °，預(yù)報(bào)時(shí)效為1 h。

雷暴大風(fēng)與雷達(dá)回波的動(dòng)態(tài)匹配策略為首先識別出雷達(dá)圖像中的風(fēng)暴單體，再結(jié)合大風(fēng)實(shí)況，當(dāng)風(fēng)暴單體對應(yīng)的時(shí)次中有大風(fēng)天氣出現(xiàn)，則認(rèn)為風(fēng)暴單體與雷暴大風(fēng)天氣對應(yīng)。本文定義組合反射率圖像上雷達(dá)反射率因子強(qiáng)度≥35 dBZ，且面積≥64 km2的一片連續(xù)回波區(qū)為一個(gè)風(fēng)暴單體。

為了將極大風(fēng)速和雷達(dá)回波進(jìn)行動(dòng)態(tài)匹配，還需要對極大風(fēng)速實(shí)況數(shù)據(jù)進(jìn)行處理使其與雷達(dá)回波圖像時(shí)空匹配。獲取逐6 min內(nèi)所有時(shí)次極大風(fēng)速最大值作為6 min的極大風(fēng)速值，采用克里金插值法對安徽省自動(dòng)氣象站極大風(fēng)速進(jìn)行插值得到空間分辨率為0.01°的格點(diǎn)數(shù)據(jù)，使得極大風(fēng)速數(shù)據(jù)與雷達(dá)拼圖數(shù)據(jù)時(shí)空分辨率一致。

2.3 強(qiáng)對流天氣預(yù)警發(fā)布策略

2.3.1 強(qiáng)對流天氣預(yù)警指標(biāo)

系統(tǒng)基于0～1 h雷達(dá)回波外推、雷暴大風(fēng)外推產(chǎn)品和大風(fēng)實(shí)況數(shù)據(jù)，選取合適的閾值對雷暴大風(fēng)、其他類型強(qiáng)對流天氣和實(shí)況大風(fēng)三種類型進(jìn)行預(yù)警，具體預(yù)警指標(biāo)設(shè)計(jì)如表1。

表1 安徽省強(qiáng)對流天氣短時(shí)臨近預(yù)警服務(wù)系統(tǒng)強(qiáng)對流天氣預(yù)警指標(biāo)設(shè)計(jì)

為了方便對指標(biāo)進(jìn)行修正，用戶可根據(jù)經(jīng)驗(yàn)自行配置預(yù)警指標(biāo)。

2.3.2 預(yù)警短信靶向發(fā)布

預(yù)警短信發(fā)布按照將預(yù)警信息優(yōu)先發(fā)送給最需要的人群的設(shè)計(jì)思想，提出了運(yùn)用基于特定區(qū)域、人群以及預(yù)警信息內(nèi)容的靶向技術(shù)進(jìn)行精準(zhǔn)發(fā)布的推送策略。通過融入雷達(dá)回波外推、雷暴大風(fēng)外推預(yù)報(bào)以及大風(fēng)實(shí)況監(jiān)測等輔助研判數(shù)據(jù)，以及行業(yè)用戶責(zé)任人信息、所在分組、關(guān)注的目標(biāo)點(diǎn)位置，實(shí)現(xiàn)災(zāi)害性天氣快速研判以及預(yù)警信息分點(diǎn)、分級、分眾的精準(zhǔn)靶向發(fā)布。

為了提高預(yù)報(bào)預(yù)警的準(zhǔn)確率，設(shè)置報(bào)警緩沖區(qū)半徑，如果目標(biāo)點(diǎn)緩沖區(qū)范圍內(nèi)出現(xiàn)達(dá)到預(yù)警指標(biāo)的情況，則對目標(biāo)點(diǎn)進(jìn)行預(yù)警。業(yè)務(wù)人員可根據(jù)經(jīng)驗(yàn)調(diào)整緩沖區(qū)半徑，提高預(yù)警準(zhǔn)確率，盡可能避免災(zāi)害性天氣的漏報(bào)。

為了提高預(yù)警短信發(fā)送效率，系統(tǒng)導(dǎo)入行業(yè)用戶責(zé)任人信息、所在分組并關(guān)聯(lián)關(guān)注的目標(biāo)點(diǎn)。當(dāng)目標(biāo)點(diǎn)達(dá)到設(shè)置的氣象要素閾值時(shí)系統(tǒng)根據(jù)關(guān)聯(lián)的短信群組自動(dòng)發(fā)送強(qiáng)對流天氣預(yù)警短信，實(shí)現(xiàn)可定制化的預(yù)警短信發(fā)布，同時(shí)通過責(zé)任人所在分組，判斷短信發(fā)送的優(yōu)先級，確保將預(yù)警信息優(yōu)先發(fā)送給最需要的人群。為了避免短信重復(fù)發(fā)送，系統(tǒng)可設(shè)置不重復(fù)發(fā)送短信時(shí)間。

3 系統(tǒng)應(yīng)用與檢驗(yàn)

安徽省強(qiáng)對流天氣短時(shí)臨近預(yù)警服務(wù)系統(tǒng)于2019年6月在合肥鐵路貨運(yùn)氣象服務(wù)中正式應(yīng)用，運(yùn)行穩(wěn)定、效果良好，以鐵路貨運(yùn)的應(yīng)用情況為例介紹系統(tǒng)的預(yù)警服務(wù)效果，系統(tǒng)顯示界面如圖2所示。

圖2 安徽省強(qiáng)對流天氣短時(shí)臨近預(yù)警服務(wù)系統(tǒng)顯示界面

系統(tǒng)顯示界面分為三大區(qū)域（圖2三處紅色方框區(qū)域）：最左側(cè)是大風(fēng)目標(biāo)點(diǎn)報(bào)警區(qū)域，該區(qū)域可列出預(yù)報(bào)雷暴大風(fēng)等強(qiáng)對流天氣的位置和時(shí)間；中間是雷達(dá)回波和大風(fēng)圖像展示區(qū)域；最右側(cè)是配置管理區(qū)域，用來查看需要展示的圖像、設(shè)置目標(biāo)點(diǎn)閾值以及配置管理人員信息等操作。

2020年8月20日安徽省江淮之間和淮北東部地區(qū)發(fā)生雷暴大風(fēng)天氣，陣風(fēng)普遍達(dá)到7～8級，26個(gè)自動(dòng)氣象站陣風(fēng)達(dá)到9級以上，12個(gè)站點(diǎn)超過10級。18：30（北京時(shí)，下同）左右合肥地區(qū)發(fā)生強(qiáng)對流天氣，自動(dòng)氣象站監(jiān)測到貨運(yùn)公司肥東某貨場上游區(qū)域風(fēng)力較大，陣風(fēng)超過6級，18：30系統(tǒng)基于雷達(dá)強(qiáng)回波對貨場強(qiáng)對流天氣進(jìn)行預(yù)警，18：38貨場上游10 km左右處肥東站極大風(fēng)速達(dá)到19.5 m/s，18：42系統(tǒng)預(yù)報(bào)該貨場將出現(xiàn)7級以上雷暴大風(fēng)天氣（圖3），并發(fā)送預(yù)警短信。

圖3 2020年8月20日18：42安徽省強(qiáng)對流天氣短時(shí)臨近預(yù)警服務(wù)系統(tǒng)強(qiáng)對流天氣報(bào)警顯示頁面

2022年7月26日凌晨安徽多地發(fā)生強(qiáng)對流天氣，01：30左右雷達(dá)回波圖上顯示一塊對流云團(tuán)正自西向東往六安方向移動(dòng)，01：48系統(tǒng)對六安葉集區(qū)貨場發(fā)布強(qiáng)對流天氣預(yù)警短信，之后回波繼續(xù)東移并與其他對流云團(tuán)合并，先后影響六安、合肥、馬鞍山等地，系統(tǒng)均及時(shí)發(fā)布預(yù)警短信。06：30左右一颮線系統(tǒng)向六安方向移動(dòng)，08：00颮線后部到達(dá)安慶，08：30系統(tǒng)提前向安慶太湖縣貨運(yùn)站點(diǎn)發(fā)布強(qiáng)對流天氣預(yù)警，之后又先后向安慶三個(gè)受影響的貨運(yùn)站發(fā)出雷暴大風(fēng)預(yù)警。從大風(fēng)實(shí)況來看，08：30左右安慶境內(nèi)開始出現(xiàn)7～8級以上雷暴大風(fēng)天氣，08：47太湖縣貨運(yùn)站上游10 km左右太湖花亭湖站出現(xiàn)26.4 m/s大風(fēng)，08：48系統(tǒng)預(yù)報(bào)該貨場將出現(xiàn)9級以上雷暴大風(fēng)天氣，09：03離貨場最近的太湖小池站出現(xiàn)8級以上大風(fēng)。

上述個(gè)例均表明系統(tǒng)能較好地預(yù)報(bào)雷暴大風(fēng)等強(qiáng)對流天氣，并及時(shí)對用戶進(jìn)行預(yù)警，另外系統(tǒng)基于強(qiáng)回波能夠更早地進(jìn)行強(qiáng)對流天氣預(yù)警，對強(qiáng)對流天氣臨近預(yù)報(bào)預(yù)警服務(wù)具有重要作用。為了進(jìn)一步檢驗(yàn)短信預(yù)警效果的準(zhǔn)確性，對30個(gè)鐵路貨運(yùn)站點(diǎn)2020年4月—2021年12月雷暴大風(fēng)預(yù)警發(fā)布情況進(jìn)行檢驗(yàn)。選擇貨運(yùn)站5 km半徑范圍內(nèi)所有自動(dòng)氣象站小時(shí)數(shù)據(jù)，如果預(yù)警短信發(fā)送時(shí)次1 h內(nèi)自動(dòng)站站點(diǎn)出現(xiàn)雷暴大風(fēng)天氣，則認(rèn)為預(yù)報(bào)正確。本文結(jié)合閃電定位儀資料，將小時(shí)極大風(fēng)速超過17.2 m/s并伴有閃電現(xiàn)象發(fā)生的天氣過程記為雷暴大風(fēng)天氣。采用命中率（POD）、臨界成功指數(shù)（CSI）和空報(bào)率（FAR）來評價(jià)預(yù)警短信發(fā)送效果。經(jīng)統(tǒng)計(jì)檢驗(yàn)，30個(gè)貨運(yùn)站點(diǎn)共預(yù)報(bào)雷暴大風(fēng)天氣219次，其中89次出現(xiàn)雷暴大風(fēng)天氣，有9次漏報(bào)，POD達(dá)到0.908，F(xiàn)AR為0.583，CSI為0.39。檢驗(yàn)結(jié)果表明，系統(tǒng)能夠準(zhǔn)確及時(shí)地發(fā)送雷暴大風(fēng)預(yù)警短信，但是空報(bào)率較高，在今后應(yīng)當(dāng)進(jìn)一步研究強(qiáng)對流天氣預(yù)報(bào)方法和預(yù)警發(fā)送策略，減少虛警率，提升預(yù)報(bào)準(zhǔn)確性。

4 結(jié)論

安徽省強(qiáng)對流天氣短時(shí)臨近預(yù)警服務(wù)系統(tǒng)利用改進(jìn)的光流法作為雷達(dá)回波和雷暴大風(fēng)外推的關(guān)鍵方法，得到強(qiáng)對流天氣尤其是雷暴大風(fēng)天氣短時(shí)臨近預(yù)報(bào)產(chǎn)品，實(shí)現(xiàn)預(yù)報(bào)產(chǎn)品實(shí)時(shí)展示和強(qiáng)對流天氣預(yù)警信息發(fā)布功能，形成了“技術(shù)＋策略＋平臺”的強(qiáng)對流天氣短時(shí)臨近預(yù)警服務(wù)體系，為行業(yè)氣象服務(wù)提供重要的技術(shù)支撐。系統(tǒng)主要特點(diǎn)如下。

1）基于改進(jìn)光流法實(shí)現(xiàn)0～1 h雷達(dá)回波外推和雷暴大風(fēng)外推預(yù)報(bào)產(chǎn)品實(shí)時(shí)生成，提高強(qiáng)對流天氣臨近預(yù)報(bào)產(chǎn)品精細(xì)化水平及準(zhǔn)確性。

2）系統(tǒng)具有較高的自動(dòng)化水平，在一個(gè)業(yè)務(wù)系統(tǒng)中實(shí)現(xiàn)了監(jiān)測、預(yù)報(bào)、預(yù)警等強(qiáng)對流天氣短時(shí)臨近預(yù)報(bào)服務(wù)產(chǎn)品的數(shù)據(jù)處理、展示和預(yù)警短信發(fā)布功能。

3）系統(tǒng)采用C/S和B/S混合架構(gòu)，在C/S層面通過多個(gè)獨(dú)立模塊完成數(shù)據(jù)處理和數(shù)據(jù)異常監(jiān)控，在B/S層面完成產(chǎn)品展示和短信預(yù)警發(fā)布，易于系統(tǒng)升級維護(hù)。

今后將對雷達(dá)回波和雷暴大風(fēng)外推產(chǎn)品預(yù)報(bào)效果進(jìn)行實(shí)時(shí)檢驗(yàn)，針對發(fā)現(xiàn)的問題，結(jié)合機(jī)器學(xué)習(xí)等新技術(shù)研發(fā)強(qiáng)對流天氣短時(shí)臨近預(yù)報(bào)新方法，提高預(yù)報(bào)準(zhǔn)確率。

深入閱讀

陳石定, 劉翔, 向立莉, 2019.靶向技術(shù)在預(yù)警信息發(fā)布中的應(yīng)用.計(jì)算機(jī)應(yīng)用, 39(S1): 88-92.

馮蕾, 陳仲榆, 郝淑會(huì), 等, 2017.鐵路（高鐵）橫風(fēng)監(jiān)測預(yù)報(bào)技術(shù)方法初探.氣象科技進(jìn)展, 7(1): 138-142.

王嘯華, 鄭媛媛, 濮梅娟, 等, 2018.強(qiáng)天氣綜合報(bào)警追蹤平臺功能設(shè)計(jì)及龍卷預(yù)警中的應(yīng)用.氣象科技進(jìn)展, 8(3): 61-69.

薛冰, 鹿業(yè)濤, 渠寒花, 2013.鐵路交通氣象服務(wù)系統(tǒng)的設(shè)計(jì)與開發(fā).電子測試, (20): 24-26.

張濤, 2018.航空氣象服務(wù)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).鄭州: 鄭州大學(xué).

張蕾, 魏鳴, 李南, 等, 2014.改進(jìn)的光流法在回波外推預(yù)報(bào)中的應(yīng)用.科學(xué)技術(shù)與工程, 14(32): 133-137.

張小玲, 楊波, 盛杰, 等, 2018.中國強(qiáng)對流天氣預(yù)報(bào)業(yè)務(wù)發(fā)展.氣象科技進(jìn)展, 8(3): 8-18.

鐘利華, 曾小團(tuán), 胡宗煜, 等, 2009.桂林雷暴大風(fēng)臨近預(yù)報(bào)研究.氣象研究與應(yīng)用, 30(z2): 79-80.

Gibson J J, 1979.The ecological approach to visual perception.Boston: Houghton Mifflin.

Lucas B D, Kanade T, 1981.An iterative image registration technique with an application to stereo vision (darpa).Proceedings of the 1981 DARPA Image Understanding Workshop.